深度学习与遥感数据分析

作     者：张立强 李洋 侯正阳 李新港 耿昊 王跃宾 李景文 朱盼盼 梅杰 姜颜笑 李帅朋 辛奇 崔颖 刘素红 ZHANG Liqiang;LI Yang;HOU Zhengyang;LI Xingang;GENG Hao;WANG Yuebin;LI Jingwen;ZHU Panpan;MEI Jie;JIANG Yanxiao;LI Shuaipeng;XIN Qi;CUI Ying;LIU Suhong

作者机构：北京师范大学地理科学学部北京100875 中国地质大学(北京)土地科学技术学院北京100083 桂林理工大学测绘地理信息学院广西桂林541006 

出 版 物：《武汉大学学报（信息科学版）》 (Geomatics and Information Science of Wuhan University)

年 卷 期：2020年第45卷第12期

页      面：1857-1864页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(41925006) 

主　　题：深度强化学习 多源遥感数据 地物识别 

摘      要：深度学习的迅猛发展,为遥感大数据的智能分析提供了重要技术手段。首先主要介绍了遥感数据识别和应用中设计的深度学习模型与方法,提出并实现了面向激光雷达点云、光学遥感图像和高光谱图像等数据地物识别的深度强化学习、多任务学习和亚像素-像素-超像素特征学习网络模型。这类模型的参数基本上由学习得到,调参工作量小,而且充分顾及了地物间的空间和上下文信息以及纹理和光谱特征,泛化能力强。然后描述了联合深度学习和多源遥感数据在精准扶贫评估、青藏高原20 a湿地变化及空间分析和玉米产量估产等方面的研究进展。从中可以看出,为了更好地促进遥感数据向知识的转化,需要面向应用,充分发挥深度学习在遥感大数据处理的优势,发展新的数据处理算法与技术。